La revolución silenciosa de los datos en el fútbol profesional

Qué pasó

El profesor de ciencias de la computación Jesse Davis, de la universidad belga KU Leuven, dirige el Sports Analytics Lab, una agrupación académica que desde hace más de una década trabaja en la intersección entre inteligencia artificial y deporte. Su equipo ha construido modelos de machine learning que ya son utilizados por clubes profesionales para tomar decisiones en aspectos como conformación de planteles, evaluación de estrategias y lectura de patrones tácticos, según consigna MIT Technology Review.

Una de las investigaciones más comentadas del grupo es la que respalda la decisión de enviar deliberadamente la pelota fuera de la cancha en el tercio medio del campo, una jugada que a primera vista parece contradictoria. Para validar la tesis, los investigadores construyeron un conjunto de datos con más de 1,4 millones de pases y cerca de 60.000 lanzamientos laterales, incluyendo registros del Mundial de 2022. Utilizando modelos de ensemble de árboles de decisión, concluyeron que la acción puede situar a un equipo a solo 10 acciones de distancia del arco rival, una distancia relevante en un partido que suele superar las 1.500 acciones y registra muy pocos goles.

Los resultados fueron presentados en 2024 en un documento titulado 'Boot it'. Davis explicó que la lógica detrás de la estrategia es generar una recuperación de balón en una zona ventajosa del campo, lo que permitiría a los equipos mejorar su eficacia ofensiva. La investigación, realizada en colaboración con clubes como el Royal Sporting Club Anderlecht de Bélgica, ya es considerada una referencia en la materia por la industria del fútbol europeo. Hugo Ríos-Neto, responsable de reclutamiento de datos en Anderlecht, afirmó que el laboratorio de Davis es 'el más influyente en analítica deportiva en el fútbol'.

Contexto

El caso del Sports Analytics Lab de KU Leuven se inscribe en una tendencia global donde la analítica avanzada dejó de ser una herramienta exclusiva del béisbol y el baloncesto para instalarse con fuerza en el fútbol. La irrupción de sensores, sistemas de tracking óptico y bases de datos públicas ha permitido a los investigadores académicos acceder a volúmenes de información antes reservados a los clubes más grandes. Este fenómeno coincide con la profesionalización de áreas de datos dentro de las instituciones deportivas, una práctica que en Europa ya es estándar entre los principales equipos de las cinco grandes ligas.

Desde la perspectiva tecnológica, la analítica deportiva representa una de las aplicaciones más visibles del machine learning supervisado. Los modelos de ensemble, como los utilizados por el equipo de Davis, permiten combinar cientos de árboles de decisión para generar predicciones con altos niveles de precisión sin perder interpretabilidad, un factor clave cuando los resultados deben ser comunicados a cuerpos técnicos sin formación estadística. Esta característica ha facilitado la adopción de estas herramientas en entornos donde la explicación de una decisión pesa tanto como la decisión misma.

En el plano regional, la expansión de proveedores especializados de datos y la reducción de costos de infraestructura en la nube han democratizado el acceso a este tipo de tecnología. Si bien los clubes de mayor presupuesto mantienen equipos internos de analítica, la disponibilidad de herramientas de código abierto desarrolladas por laboratorios académicos como el de KU Leuven permite que organizaciones más pequeñas incorporen capacidades avanzadas sin necesidad de construir internamente modelos desde cero. Esta dinámica ha abierto un debate sobre la ventaja competitiva sostenible en una industria acostumbrada a gastar grandes sumas en fichajes.

Impacto para empresas chilenas

Para el ecosistema empresarial chileno, el desarrollo de analítica aplicada al deporte profesional ilustra una tendencia con aplicaciones directas en sectores como la banca, el retail y la logística, donde la optimización de procesos mediante machine learning ya es una prioridad. El caso de KU Leuven demuestra que la investigación académica, cuando se libera bajo esquemas de código abierto, puede generar valor tangible para organizaciones que no disponen de grandes presupuestos en ciencia de datos, una realidad común entre las pequeñas y medianas empresas del país.

En el ámbito deportivo local, la industria del fútbol chileno atraviesa un proceso de profesionalización gradual, aunque todavía incipiente en materia de adopción tecnológica. Clubes de la Primera División han comenzado a incorporar áreas de análisis de rendimiento, mientras que la Asociación Nacional de Fútbol Profesional ha explorado acuerdos con proveedores de datos para mejorar la gestión deportiva y comercial. La posibilidad de acceder a modelos validados por la academia internacional reduce la barrera de entrada para instituciones que hasta hace pocos años dependían exclusivamente de la observación humana.

Más allá del deporte, el modelo de colaboración entre academia y empresa que representa el trabajo de Jesse Davis ofrece una hoja de ruta replicable. Universidades chilenas con capacidad en ciencia de datos podrían establecer alianzas similares con gremios productivos, asociaciones gremiales o empresas individuales, transfiriendo conocimiento especializado a cambio de casos de estudio y datos para investigación. Para las pymes locales, este enfoque colaborativo representa una oportunidad concreta para incorporar inteligencia artificial en sus procesos sin asumir los costos de desarrollo de modelos propietarios.

Qué sigue

La consolidación de la analítica en el fútbol profesional anticipa una expansión hacia disciplinas donde el componente táctico aún no ha sido modelado, como el fútbol femenino o las divisiones menores. Jesse Davis y su equipo han señalado que trabajan en la estandarización de métricas entre distintas ligas, un paso necesario para que los clubes puedan comparar rendimientos y tomar decisiones de fichajes con criterios homogéneos.

En el mediano plazo, la convergencia entre datos ópticos, biometría y modelos generativos podría habilitar simulaciones tácticas en tiempo real, permitiendo a los cuerpos técnicos evaluar escenarios antes de que ocurran en la cancha. Este nivel de sofisticación, sin embargo, planteará nuevos desafíos en materia de gobernanza de datos, propiedad intelectual y公平竞争, temas que la industria deberá abordar con marcos regulatorios específicos en los próximos años.